Course catalog

Course duration

Course provider

Topic

Categories

Showing 15,961-15,980 of 18,566 items.

datacamp مقدمه ای بر پردازش زبان طبیعی در R (Mitalearn-399106)

  • 57 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kasey Jones
درباره این دوره:

همانند هر دوره آموزشی دیگری، مقدمه ای بر پردازش زبان طبیعی در R طراحی شده است تا شما را به ابزارهای لازم برای شروع ماجراجویی در تجزیه و تحلیل متن مجهز کند. پردازش زبان طبیعی (NLP) یک زمینه دائماً در حال رشد در علم داده است که با پیشرفت‌های بسیار هیجان‌انگیزی در دهه گذشته انجام شده است. این دوره به مبانی این مباحث می پردازد و شما را برای گسترش قابلیت های تحلیل خود آماده می کند. ما در عبارات منظم، مدل‌سازی موضوع، شناسایی موجودیت نام‌گذاری شده و موارد دیگر غوطه‌ور می‌شویم، در حالی که نمونه‌های کاملی را ارائه می‌کنیم که می‌توانند برای شروع تحلیل آینده شما مورد استفاده قرار گیرند.

Related Skills

datacamp مقدمه ای بر پردازش زبان طبیعی در پایتون (Mitalearn-399208)

  • 49 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Katharine Jarmul
درباره این دوره:

در این دوره، اصول اولیه پردازش زبان طبیعی (NLP) مانند نحوه شناسایی و جداسازی کلمات، نحوه استخراج موضوعات در یک متن، و نحوه ساخت طبقه بندی اخبار جعلی خود را خواهید آموخت. شما همچنین یاد خواهید گرفت که چگونه از کتابخانه های پایه مانند NLTK، در کنار کتابخانه هایی که از یادگیری عمیق برای حل مشکلات رایج NLP استفاده می کنند، استفاده کنید. این دوره به شما پایه و اساس پردازش و تجزیه متن را در حین حرکت به سمت یادگیری پایتون می دهد.

coursera مقدمه ای بر پرستاری یکپارچه (Mitalearn-338824)

  • 3 hours 44 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mary Jo Kreitzer,Deborah Ringdahl,Megan Voss
درباره این دوره:

این دوره برای پرستارانی طراحی شده است که به شیوه‌ای متفاوت به تمرین کشیده می‌شوند - پرستارانی که برای مراقبت کامل از افراد ارزش قائل هستند و می‌دانند که ماهیت تمرین پرستاری واقعاً مراقبت و شفا است. شما در مورد اصول و شیوه های پرستاری یکپارچه و اینکه چگونه می توانید یک حضور شفابخش برای همه کسانی باشید که به آنها خدمت می کنید، خواهید آموخت. سپس، یک ارزیابی یکپارچه انجام خواهید داد و اصول پرستاری یکپارچه را برای بهبود مدیریت علائم و نتایج کلی بیمار به کار خواهید برد. در نهایت، راه هایی را برای تبدیل شدن به یک رهبر در پرستاری یکپارچه و ایجاد مدل های جدید مراقبت از بیمار بررسی خواهید کرد. اعتبارات آموزش مداوم (CE). این دوره برای پاسخگویی به الزامات آموزش مداوم هیئت پرستاری مینه سوتا برای 12 ساعت تماس طراحی شده است و ممکن است واجد شرایط دریافت اعتبار CE از سایر هیئت های حرفه ای باشد که امکان مستندسازی فعالیت های آموزش مداوم را فراهم می کند. این مسئولیت شماست که با هیئت نظارتی خود بررسی کنید تا تأیید کند که این دوره الزامات محلی شما را برآورده می کند و در صورت لزوم، در صورت پرداخت هزینه و انجام کلیه الزامات این دوره، گواهی پایانی را که دریافت می کنید ارائه دهید.

linkedin مقدمه ای بر پروتکل زمینه مدل توسط آنتروپیک (Mitalearn-461037)

  • 1 hours 1 minutes
  • مناسب همه
  • Release date: 30 March 2026
  • Author: Anthropic
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> ایجاد یکپارچگی بین مدل‌های هوش مصنوعی و خدمات خارجی اغلب نیازمند نوشتن کد سفارشی گسترده است. پروتکل بافت مدل (MCP) این فرآیند را استاندارد می کند و به کلود اجازه می دهد از طریق یک رابط ثابت به ابزارها، منابع داده و APIها متصل شود. این دوره به شما می آموزد که هم سرورهای MCP بسازید که ابزارها، منابع و دستورات را در معرض دید قرار می دهند و هم کلاینت های MCP که آنها را با استفاده از Python SDK مصرف می کنند. </p> <p>با کاوش در سه اصل اصلی MCP -ابزارها، منابع، و درخواست‌ها- و نحوه ادغام آنها با هوش مصنوعی کلود شروع کنید. در طول راه، نحوه ساخت سرورها و کلاینت ها را بیاموزید و چگونگی ساده سازی اتصالات به سیستم های خارجی را بررسی کنید. این دوره با یک پروژه عملی به پایان می رسد که در آن شما یک سیستم مدیریت اسناد را با استفاده از MCP پیاده سازی می کنید. </p> <p>توجه: این دوره توسط Anthropic ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p> <h3>مدرس</h3> <h4>چه کسی این دوره را تدریس می کند؟</h4> آنتروپیک یک شرکت عام المنفعه است که به تأمین منافع و کاهش خطرات آن اختصاص یافته است. Anthropic یک شرکت تحقیقاتی و ایمنی هوش مصنوعی است که سیستم‌های هوش مصنوعی قابل اعتماد، قابل تفسیر و هدایت‌پذیر می‌سازد. </p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>معماری MCP و نحوه انتقال تعریف ابزار و بار اجرا را از سرور شما به سرورهای MCP تخصصی توضیح دهید.</li> <li>سیستم ارتباط انتقال-آگنوستیک MCP و انواع پیام مورد استفاده بین کلاینت ها و سرورها را تعریف کنید.</li> <li>جریان درخواست-پاسخ کامل از درخواست‌های کاربر از طریق کلاینت‌های MCP به سرویس‌های خارجی و بازگشت به کلود را ترسیم کنید.</li> <li>ساخت سرورهای MCP با استفاده از Python SDK با دکوراتورها برای تعریف ابزار به جای نوشتن دستی طرحواره های JSON.</li> <li>عملکرد مدیریت اسناد را با ابزارهایی برای خواندن و ویرایش اسناد با استفاده از توضیحات فیلد و نکات تایپ اجرا کنید.</li> <li>از MCP Inspector داخلی برای آزمایش و اشکال زدایی عملکرد سرور خود در یک رابط مبتنی بر مرورگر استفاده کنید.</li> <li>منابعی را برای نمایش داده‌های فقط خواندنی تعریف کنید، از جمله منابع مستقیم با URI استاتیک و منابع الگو با پارامترها.</li> <li>عملکرد خواندن منابع را در کلاینت ها با مدیریت مناسب نوع MIME برای JSON و محتوای متنی اجرا کنید.</li> <li>اعلام‌هایی بسازید که دستورالعمل‌های از پیش ساخته‌شده و با کیفیت بالا را برای گردش‌های کاری رایج مانند قالب‌بندی سند ارائه می‌دهند.</li> <li>زمان استفاده از هر MCP اولیه را توضیح دهید: ابزارها (با مدل کنترل شده)، منابع (کنترل شده توسط برنامه)، و درخواست‌ها (کنترل کاربر).</li> <li>الگوهای ادغام عملی از جمله عملکرد تکمیل خودکار و تزریق زمینه برای مکالمات هوش مصنوعی را بررسی کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>توسعه دهندگانی که به دنبال ایجاد سرورهای MCP هستند</li> <li>مهندسانی که می خواهند کلود را با ابزارها و خدمات خارجی بدون نوشتن کد یکپارچه سازی گسترده ادغام کنند</li> <li>توسعه دهندگان نرم افزاری که به ادغام مدل هوش مصنوعی علاقه دارند</li> <li>علاقه مندان به فناوری با هدف بهینه سازی فرآیندهای اتصال بین خدمات هوش مصنوعی و منابع داده خارجی</li> </ul></p> <h3>پیش نیازها</h3> <h4>چه چیزی باید قبل از شرکت در این دوره بدانم؟</h4> <ul> <li>تجربه برنامه نویسی پایه پایتون</li> <li>آشنایی اولیه با APIها</li> <li>آشنایی اولیه با الگوهای همگام و انتظار</li> </ul>

coursera مقدمه ای بر پشتیبانی فنی (Mitalearn-316826)

  • 3 hours 8 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Amy Norton
درباره این دوره:

متخصصان پشتیبانی فنی تقاضای زیادی دارند! این اولین دوره در برنامه IBM IT Support Professional Certificate است که برای آماده کردن شما برای یک حرفه پربار در پشتیبانی فنی طراحی شده است. شما این دوره آموزشی را با یادگیری این که پشتیبانی فناوری اطلاعات (IT) چیست آغاز خواهید کرد. شما با نقش ها و مسئولیت های متخصصان پشتیبانی فنی آشنا خواهید شد و با تمام مسیرهای شغلی مختلفی که می توانید در پشتیبانی فنی طی کنید آشنا خواهید شد. همچنین از کارشناسان صنعت فناوری اطلاعات در مورد شروع در این زمینه و اینکه چگونه می توانید این حرفه را بدون تجربه یا مدرک قبلی دنبال کنید خواهید شنید. همچنین برخی از اصول اولیه فناوری را که متخصصان پشتیبانی فنی از آن استفاده می کنند، یاد خواهید گرفت. شما از خودی های صنعت در مورد اینکه چگونه می توانید ذهنیت پشتیبانی مشتری را توسعه دهید و چگونه با مشتریان صحبت کنید و مشکلات آنها را حل کنید خواهید شنید. شما بینش هایی در مورد ارزیابی عملکرد، مسیرهای شغلی و گواهینامه های شناخته شده در صنعت که می تواند حرفه پشتیبانی فنی شما را به جلو سوق دهد، به دست خواهید آورد. سپس به درک جامعی از ابزارهای پشتیبانی و کانال‌های پشتیبانی و چگونگی ساده‌سازی حل مسئله دست خواهید یافت. همچنین در مورد اهمیت قراردادهای سطح سرویس (SLA) و نحوه کمک آنها به ارائه تجربیات پشتیبانی استثنایی خواهید آموخت. در ادامه، سیستم‌های فروش بلیت، یک جزء اساسی از پشتیبانی فنی مدرن را بررسی خواهید کرد. در مورد ویژگی ها، مزایا، و چرخه عمر بلیط یا یک مشکل پشتیبانی خواهید آموخت. علاوه بر این، خود را در روش‌های پشتیبانی فنی، چارچوب‌ها و هنر مستندسازی مؤثر غوطه‌ور خواهید کرد. این دوره با پروژه ای خاتمه می یابد که به شما این فرصت را می دهد تا از سیستم فروش بلیط به صورت عملی استفاده کنید و کارهایی را که متخصصان پشتیبانی فناوری اطلاعات و تکنسین های Helpdesk انجام می دهند شبیه سازی کنید.

coursera مقدمه ای بر تاب آوری سازمانی (Mitalearn-321603)

  • 1 hours 25 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Martin Keen,Mark Bylok
درباره این دوره:

تاب آوری توانایی ارائه توانایی لازم در مواجهه با ناملایمات، بدون تاثیر قابل توجه است. این چیزی نیست که فقط اتفاق بیفتد، بلکه باید به طور کامل برای آن برنامه ریزی و آزمایش شود، از جمله: 1. نگه داشتن سخت افزار، سیستم عامل، میان افزار و برنامه های کاربردی در طول قطعی های برنامه ریزی شده و برنامه ریزی نشده 2. بازیابی سایت از یک رویداد برنامه ریزی نشده بدون از دست دادن اطلاعات این دوره برای مدیران فناوری اطلاعات، معماران فناوری اطلاعات، برنامه نویسان سیستم و متخصصان عملیات سیستم در نظر گرفته شده است. این یک دوره سطح بالا است که از معماری IBM Z برای نشان دادن این مفاهیم استفاده می کند. فراگیران با گذراندن موفقیت آمیز این دوره می توانند نشان خود را کسب کنند. جزئیات بیشتر در این لینک: https://www.youracclaim.com/org/ibm/badge/introduction-to-enterprise-resiliency

coursera مقدمه ای بر تابلو (Mitalearn-328488)

  • 1 hours 26 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Tableau Learning Partner Instructor
درباره این دوره:

دوره مقدماتی تابلو به شما درک درستی از ارزش تجسم داده ها می دهد. شما یاد خواهید گرفت که چگونه داده ها را از قبل پردازش کنید و چگونه داده ها را از چندین جدول موجود در یک منبع داده و همچنین سایر منابع داده در Tableau Public ترکیب کنید. شما مهارت هایی را برای استفاده از تجسم داده ها به عنوان ابزاری قدرتمند برای تصمیم گیری آگاهانه ایجاد خواهید کرد. این دوره برای هرکسی است که کنجکاو در مورد نقش‌های سطح ابتدایی است که به مهارت‌های اساسی جدول نیاز دارند، مانند نقش‌های تحلیلگر هوش تجاری یا نقش‌های تحلیلگر گزارش داده. توصیه می شود (اما نه الزامی) که تجربه ای با Tableau Public داشته باشید، اما حتی اگر در Tableau Public تازه کار هستید، همچنان می توانید در این برنامه موفق باشید. در پایان دوره، شما قادر خواهید بود: - ارزش تجسم داده ها را در زمینه تجزیه و تحلیل کسب و کار توصیف کنید. -پیش پردازش داده ها در Tableau Public. -ترکیب داده ها از چندین جداول موجود در یک منبع داده و همچنین سایر منابع داده در Tableau Public.

datacamp مقدمه ای بر تابلو [Datacamp] (Mitalearn-399463)

  • 1 hours 1 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Sara Billen,Maarten Van den Broeck,Lis Sulmont,Carl Rosseel
درباره این دوره:

Tableau یک نرم‌افزار تحلیلی و هوش تجاری (BI) است که مورد اعتماد شرکت‌هایی مانند آمازون، اکسپرین، و یونیلور برای کاوش، تجسم و اشتراک‌گذاری ایمن داده‌ها در قالب کتاب‌های کاری و داشبورد است. با قابلیت کشیدن و رها کردن کاربر پسند، می‌تواند توسط همه برای تمیز کردن، تجزیه و تحلیل و تجسم سریع داده‌های تیم شما استفاده شود.

می‌آموزید که چگونه رابط Tableau را پیمایش کنید و داده‌ها را با استفاده از تجسم‌های قابل درک وصل کنید و ارائه دهید. در پایان این آموزش، مهارت‌های لازم برای کشف Tableau و ساخت داشبورد داده‌های تاثیرگذار را خواهید داشت. بیایید شیرجه بزنیم.

coursera مقدمه ای بر تایپوگرافی (Mitalearn-365446)

  • 1 hours 39 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Anther Kiley
درباره این دوره:

تایپوگرافی هنر دستکاری فرم بصری زبان برای غنی سازی و کنترل معنای آن است. این یک زمینه ضروری از مهارت و دانش برای طراحان گرافیک است. تایپوگرافی تقریباً 500 سال قبل از طراحی گرافیک مدرن است. غنی از قواعد، قراردادها، و اصطلاحات باطنی است - اما فضایی هیجان انگیز برای اختراع و بیان باقی می ماند. در این دوره مقدماتی دقیق به بررسی، نامگذاری و سنجش ویژگی های حروف خواهیم پرداخت. ما نگرانی های عملی مربوط به انتخاب و ترکیب نوع را در نظر خواهیم گرفت. ما نگاهی به تاریخ غنی تاریخی، فرهنگی و زیبایی‌شناختی حروف‌های آشنا خواهیم انداخت. ما در مورد قراردادهای آزمایش شده با زمان و بهترین شیوه ها در تنظیم نوع، که توسط اصول سلسله مراتب و سازمان فضایی حاکم است، بحث خواهیم کرد. و ما پتانسیل بیانی و معناسازی نوع را بررسی خواهیم کرد. سخنرانی‌های آموزنده با مجموعه‌ای از سه تکلیف ارزیابی‌شده توسط همتایان تکمیل می‌شود و به فرصتی برای طراحی یک پوستر تایپوگرافی در مقیاس کامل ختم می‌شود. لطفا توجه داشته باشید که این یک دوره نرم افزاری نیست. دانش کار اولیه Adobe InDesign یا سایر نرم افزارهای صفحه آرایی فرض خواهد شد. برای تکمیل تکالیف باید به یک کامپیوتر و نرم افزار صفحه آرایی مانند InDesign دسترسی داشته باشید.

coursera مقدمه ای بر تبدیل دیجیتال قسمت 2 (Mitalearn-290833)

  • 2 hours 6 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rajkumar Venkatesan,Yael Grushka-Cockayne ,Michael Lenox
درباره این دوره:

این دوره برای افزایش درک شما از تحول دیجیتال طراحی شده است تا بتوانید از دیجیتالی سازی برای بهبود عملکرد عملکرد کسب و کار استفاده کنید. شما یاد خواهید گرفت که چگونه زیرساخت دیجیتال اصلی خود را با تمرکز بر رایانش ابری، یکپارچگی داده ها و پلتفرم های دیجیتال بسازید. شما کشف خواهید کرد که چگونه دیجیتالی کردن عملکردهای مختلف کسب و کار و واحدهای سازمانی را متحول می کند و یاد خواهید گرفت که چگونه این کار را انجام دهید عوامل کلیدی و خطرات ذاتی تحول دیجیتال را شناسایی کنید و تأثیر روندهای نوظهور را در نظر بگیرید. در پایان این دوره، می‌توانید تلاش‌های تحول دیجیتال صنعت خود را تجزیه و تحلیل کنید و روش‌های جدیدی را برای به حداکثر رساندن عملکرد توصیه کنید.

coursera مقدمه ای بر تبلیغات دیجیتال (Mitalearn-282520)

  • 3 hours 38 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Chris J. Vargo,Harsha Gangadharbatla
درباره این دوره:

چشم انداز تبلیغات دیجیتال پیچیده است. انواع مختلفی از تبلیغات وجود دارد، از جمله: نمایش، ویدیو، صوتی، حمایت مالی، بومی، رسانه های اجتماعی و جستجو. داده‌های مصرف‌کننده و فناوری تبلیغاتی که بر روی آن داده‌ها عمل می‌کنند، هم در همه جا حاضر و هم پیچیده هستند. در نتیجه، درک و مدیریت تعداد زیادی از گزینه های موجود برای بازاریابان دیجیتال دشوار است. این دوره، اشکال عمده تبلیغات دیجیتال، از تبلیغات نمایشی اولیه گرفته تا جستجو تا مفاهیم تبلیغات برنامه‌ای پیشرفته را پوشش می‌دهد. Trade Desk، ارائه‌دهنده پیشرو تبلیغات برنامه‌ای، به عنوان کارشناسان برنامه‌ریزی ما به ما می‌پیوندد و یک نقشه راه عملی در مورد اینکه چگونه کسب‌وکارهای کوچک می‌توانند از فناوری‌های پیشرفته تبلیغاتی برای دستیابی به اهداف تجاری استفاده کنند، ارائه می‌کند. در مجموع، این دوره دانش آموزان را با درک درستی از تبلیغات دیجیتال در اشکال مختلف آن و چگونگی شناسایی استراتژیک فرصت های تبلیغات دیجیتال آشنا می کند.

Related Skills

coursera مقدمه ای بر تجارت، یادگیری ماشین و GCP (Mitalearn-332347)

  • 4 hours
  • متوسط
  • Release date: 23 June 2026
  • Author: Jack Farmer
درباره این دوره:

در این دوره آموزشی، با اصول معاملاتی، از جمله مفهوم روند، بازده، توقف ضرر و نوسانات آشنا خواهید شد. شما یاد خواهید گرفت که چگونه منبع سود و ساختار استراتژی های معاملاتی کمی را شناسایی کنید. این دوره به شما کمک می‌کند اندازه‌گیری کنید که مدل چقدر یادگیری خود را تعمیم می‌دهد، تفاوت‌های بین رگرسیون و پیش‌بینی را توضیح می‌دهد و مراحل مورد نیاز برای ایجاد پشتیبان‌های توسعه و پیاده‌سازی را شناسایی می‌کند. در پایان دوره، می‌توانید از Google Cloud Platform برای ساخت مدل‌های یادگیری ماشینی اولیه در نوت‌بوک‌های Jupyter استفاده کنید. برای موفقیت در این دوره، باید صلاحیت پیشرفته در برنامه نویسی پایتون و آشنایی با کتابخانه های مربوط به یادگیری ماشین، مانند Scikit-Learn، StatsModels و Pandas داشته باشید. تجربه با SQL توصیه می شود. شما باید پیشینه ای در زمینه آمار (مقادیر مورد انتظار و انحراف استاندارد، توزیع های گاوسی، ممان های بالاتر، احتمال، رگرسیون های خطی) و دانش پایه ای از بازارهای مالی (سهام، اوراق قرضه، مشتقات، ساختار بازار، پوشش ریسک) داشته باشید.

datacamp مقدمه ای بر تجزیه و تحلیل پورتفولیو در R (Mitalearn-406076)

  • 48 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kris Boudt
درباره این دوره:

یک قانون طلایی در سرمایه‌گذاری این است که همیشه استراتژی پرتفوی را بر روی داده‌های تاریخی آزمایش کنید، و هنگامی که استراتژی را معامله می‌کنید، به طور مداوم بر عملکرد آن نظارت کنید. در این دوره، با تجزیه و تحلیل انتقادی بازده پورتفولیو با استفاده از بسته PerformanceAnalytics، این را یاد خواهید گرفت. این دوره همچنین نشان می دهد که چگونه می توان وزن های پرتفوی را که به طور بهینه ریسک و بازده را متعادل می کند، تخمین زد. این یک دوره آموزشی مبتنی بر داده است که تئوری پورتفولیو را با تمرین در R ترکیب می کند، که در نمونه های واقعی از پرتفوی سهام و مشکلات تخصیص دارایی نشان داده شده است. اگر می‌خواهید پس از پایان این دوره به کاوش در داده‌ها ادامه دهید، داده‌های استفاده شده در سه فصل اول را می‌توان با استفاده از tseries-package به‌دست آورد.

Related Skills

datacamp مقدمه ای بر تجزیه و تحلیل پورتفولیو در پایتون (Mitalearn-402234)

  • 1 hours 2 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Charlotte Werger
درباره این دوره:

آیا تا به حال به این فکر کرده اید که آیا صندوق سرمایه گذاری واقعاً یک سرمایه گذاری خوب است؟ یا دو گزینه سرمایه گذاری را با هم مقایسه کرد و پرسید که تفاوت این دو چیست؟ شاخص ریسک این صندوق ها اصلا به چه معناست؟ یا اینکه اغلب در کار روزانه خود با داده های مالی کار می کنید و می خواهید برتری داشته باشید؟ در این دوره آموزشی، با یادگیری پرتفوی، ریسک و بازده و نحوه تحلیل انتقادی آنها، با دنیای هیجان انگیز سرمایه گذاری آشنا می شوید. با کار بر روی داده‌های تاریخی واقعی سهام، یاد می‌گیرید که چگونه معیارهای معنی‌دار ریسک را محاسبه کنید، چگونه عملکرد را تجزیه کنید و چگونه یک پرتفوی بهینه برای ریسک و بازده مورد نظر محاسبه کنید. پس از این دوره، می‌توانید در مورد سرمایه‌گذاری تصمیم‌های مبتنی بر داده بگیرید و درک بهتری از سبد سرمایه‌گذاری داشته باشید.

datacamp مقدمه ای بر تجزیه و تحلیل پیش بینی کننده در پایتون (Mitalearn-404393)

  • 37 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Nele Verbiest
درباره این دوره:

در این دوره آموزشی یاد خواهید گرفت که چگونه یک مدل رگرسیون لجستیک با متغیرهای معنادار بسازید. همچنین نحوه استفاده از این مدل را برای پیش‌بینی و نحوه ارائه آن و عملکرد آن به سهامداران کسب‌وکار خواهید آموخت.

coursera مقدمه ای بر تجزیه و تحلیل خودکار (Mitalearn-312168)

  • 4 hours 36 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Mike,Kevin Wendt
درباره این دوره:

این دوره به معرفی تکنیک های پیشرفته برای تجزیه و تحلیل خودکار می پردازد. تجزیه و تحلیل خودکار شامل هر دو رویکرد برای تولید خودکار تعداد بسیار زیادی آزمایش برای بررسی اینکه آیا برنامه‌ها نیازها را برآورده می‌کنند، و همچنین ابزارهایی را در بر می‌گیرد که با آن می‌توان *ثابت کرد که نرم‌افزار مطابق با الزامات است و عاری از نقص‌های معمولی است، مانند به‌عنوان تقسیم بر صفر، سرریز/زیر جریان، بن‌بست، آزادی شرایط مسابقه، سرریز بافر/آرایه، استثناهای کشف نشده و چندین باگ رایج دیگر که می تواند منجر به خرابی برنامه یا مشکلات امنیتی شود. یادگیرنده با تئوری اساسی و کاربردهای چنین رویکردهایی آشنا می شود و انواع تکنیک های تجزیه و تحلیل خودکار را بر روی برنامه های نمونه اعمال می کند. پس از اتمام این دوره، زبان آموز قادر خواهد بود: - پایه های تأیید خودکار را درک کنید: تصادفی سازی و نمایش های نمادین - تشخیص نقاط قوت و ضعف تست تصادفی، تحلیل نمادین، تحلیل استاتیک و بررسی مدل - استفاده از انواع پیشرفته ترین تجزیه و تحلیل استاتیک و ابزارهای تست خودکار برای تأیید خودکار - ایجاد الزامات اجرایی به عنوان یک اوراکل مناسب برای آزمایش خودکار و تجزیه و تحلیل نمادین - درک کنید که چگونه انتخاب اوراکل بر عیب یابی برای استراتژی های تجزیه و تحلیل خودکار تأثیر می گذارد. - از تست خودکار برای دستیابی به پوشش کامل جهش استفاده کنید - یک طرح آزمایشی ایجاد کنید که هم از تست های دستی و هم از تست های خودکار برای به حداکثر رساندن دقت، به حداقل رساندن تلاش و زمان و به حداقل رساندن هزینه های تست استفاده می کند. این دوره برای فراگیران علاقه مند به درک اصول اتوماسیون و کاربرد ابزارها در نظر گرفته شده است برای تجزیه و تحلیل و آزمایش نرم افزار این دانش به چندین نقش معمولی سود می برد: مهندس نرم افزار، مهندس نرم افزار در تست، مهندس اتوماسیون تست، مهندس DevOps، توسعه دهنده نرم افزار، برنامه نویس، علاقه مندان به کامپیوتر. ما انتظار داریم که شما با چرخه حیات توسعه نرم افزار آشنایی داشته باشید، درکی از اصول تست نرم افزار، مشابه آنچه در مقدمه تست نرم افزار و دوره های تست جعبه سیاه و سفید پوشش داده شده است. آشنایی با یک زبان شی گرا مانند جاوا یا توانایی برداشتن سریع نحو جاوا برای نوشتن و اصلاح کد و تمایل به استفاده از ابزارها و IDE ها فرض می شود.

coursera مقدمه ای بر تجزیه و تحلیل داده ها با استفاده از اکسل (Mitalearn-213194)

  • 3 hours 18 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Sharad Borle
درباره این دوره:

استفاده از اکسل در صنعت بسیار گسترده است. این یک ابزار تجزیه و تحلیل داده بسیار قدرتمند است و تقریباً همه مشاغل بزرگ و کوچک از Excel در عملکرد روزمره خود استفاده می کنند. این یک دوره مقدماتی در استفاده از اکسل است و طراحی شده است تا دانش کاری اکسل را به شما بدهد تا بعداً از آن برای موضوعات پیشرفته تر در آمار کسب و کار استفاده کنید. این دوره با در نظر گرفتن دو نوع یادگیرنده طراحی شده است - کسانی که دانش عملکردی بسیار کمی از اکسل دارند و کسانی که به طور منظم اما در سطح پیرامونی از اکسل استفاده می کنند و می خواهند مهارت های خود را افزایش دهند. این دوره شما را از عملیات اساسی مانند خواندن داده ها به اکسل با استفاده از فرمت های مختلف داده، سازماندهی و دستکاری داده ها تا برخی از عملکردهای پیشرفته تر اکسل می برد. در طول این مدت، عملکرد اکسل با استفاده از مثال‌های قابل فهم معرفی می‌شود که به گونه‌ای نشان داده می‌شوند که زبان‌آموزان بتوانند در درک و استفاده از آنها راحت باشند. برای انجام موفقیت آمیز تکالیف دوره، دانش آموزان باید به نسخه ویندوز Microsoft Excel 2010 یا جدیدتر دسترسی داشته باشند. _____________________________________ هفته 1 ماژول 1: مقدمه ای بر صفحات گسترده در این ماژول با استفاده از صفحات گسترده اکسل و توابع مختلف داده پایه اکسل آشنا می شوید. موضوعات تحت پوشش عبارتند از: • خواندن داده ها در اکسل با استفاده از فرمت های مختلف • توابع اساسی در اکسل، حسابی و همچنین توابع مختلف منطقی • قالب بندی سطرها و ستون ها • استفاده از فرمول ها در اکسل و کپی و پیست آنها با استفاده از ارجاع مطلق و نسبی _____________________________________ هفته 2 ماژول 2: توابع صفحه گسترده برای سازماندهی داده ها این ماژول توابع مختلف اکسل را برای سازماندهی و جستجوی داده ها معرفی می کند. زبان آموزان با توابع IF، تو در تو، VLOOKUP و HLOOKUP اکسل آشنا می شوند. موضوعات تحت پوشش عبارتند از: • IF و توابع IF تو در تو • VLOOKUP و HLOOKUP • تابع RANDBETWEEN _____________________________________ هفته 3 ماژول 3: مقدمه ای بر فیلتر کردن، جداول محوری و نمودارها این ماژول قابلیت های مختلف فیلتر داده اکسل را معرفی می کند. شما یاد خواهید گرفت که چگونه فیلترهایی را در داده ها برای دسترسی انتخابی به داده ها تنظیم کنید. ابزار جمع بندی داده های بسیار قدرتمند، Pivot Table نیز توضیح داده شده است و ما شروع به معرفی ویژگی نمودار اکسل می کنیم. موضوعات تحت پوشش عبارتند از: • VLOOKUP در صفحات کاری • فیلتر کردن داده ها در اکسل • استفاده از جداول محوری با داده های دسته بندی و همچنین عددی • آشنایی با قابلیت نمودار نویسی اکسل _____________________________________ هفته 4 ماژول 4: نمودار و نمودارهای پیشرفته این ماژول به بررسی تکنیک های مختلف نمودار و نمودارهای پیشرفته موجود در اکسل می پردازد. با شروع با نمودارهای مختلف خطی، میله ای و دایره ای، نمودارهای محوری، نمودارهای پراکندگی و هیستوگرام ها را معرفی می کنیم. شما می توانید این نمودارهای مختلف را درک کنید و خودتان آنها را بسازید. موضوعات تحت پوشش شامل • نمودارهای خط، میله و دایره • نمودارهای محوری • نمودارهای پراکنده • هیستوگرام ها

coursera مقدمه ای بر تجزیه و تحلیل داده ها برای حرفه ای های حسابداری (Mitalearn-328522)

  • 2 hours 30 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: AICPA
درباره این دوره:

این دوره مبانی تجزیه و تحلیل داده ها و نحوه انجام و اعمال آن در پروژه های سازمان شما را پوشش می دهد. این شامل موارد زیر است: - داشتن ذهنیت داده محور به چه معناست؟ داشتن طرز فکر صحیح به شما این امکان را می دهد که مشکلی را که باید حل شود درک کنید و تصمیمات مناسب مبتنی بر داده را در زمینه استراتژی و فناوری های سازمان اتخاذ یا توصیه کنید. - ملاحظات کلیدی هنگام شناسایی، ایجاد و اجرای یک پروژه تجزیه و تحلیل داده چیست؟ این دوره مفاهیم و ملاحظات مهم را معرفی و مورد بحث قرار می دهد، بنابراین شما آماده هستید که بدون توجه به تغییر سازمان یا صنعت شما، موثر باشید. این شامل همه چیز از چارچوب بندی مشکل و تعریف محدوده، درک الزامات و شکاف های سازمانی تا کار موثر با سهامداران کلیدی است. - دانش فنی مورد نیاز شما برای درک داده ها چیست؟ چه داده‌هایی که به آنها نگاه می‌کنید، داده‌های مالی یا غیرمالی، ساختاریافته یا بدون ساختار، باید زبان تجزیه و تحلیل داده‌ها را بدانید تا بتوانید به طور مؤثر با همکاران ارتباط برقرار کنید و هنگام استفاده از تجزیه و تحلیل داده‌ها در سازمان خود، ارزش افزوده داشته باشید. با گذراندن این دوره، در موقعیت بهتری برای پرسیدن سؤالات درست، افزودن ارزش بیشتر و بهبود کیفیت خدمات به ذینفعان خود خواهید بود.

coursera مقدمه ای بر تجزیه و تحلیل داده، سیگنال و تصویر با متلب (Mitalearn-330715)

  • 11 hours 50 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jack Noble
درباره این دوره:

به مقدمه ای بر تجزیه و تحلیل داده، سیگنال و تصویر با متلب خوش آمدید! MATLAB یک زبان برنامه نویسی بسیار همه کاره برای وظایف تجزیه و تحلیل داده، سیگنال و تصویر است. این دوره مقدمه ای در مورد نحوه استفاده از MATLAB برای تجزیه و تحلیل داده، سیگنال و تصویر ارائه می دهد. پس از اتمام دوره، فراگیران متوجه خواهند شد که چگونه می توان از روش های یادگیری ماشین در MATLAB برای طبقه بندی و پیش بینی داده ها استفاده کرد. نحوه انجام تجسم داده ها، از جمله تجسم داده ها برای مجموعه داده های با ابعاد بالا. نحوه انجام روش های پردازش و تجزیه و تحلیل تصویر، از جمله فیلتر کردن تصویر و تقسیم بندی تصویر؛ و نحوه انجام وظایف رایج آنالیز سیگنال، از جمله طراحی فیلتر و تحلیل فرکانس.

linkedin مقدمه ای بر تجزیه و تحلیل کسب و کار (2020) (Mitalearn-189003)

  • 1 hours 22 minutes
  • مبتدی
  • Release date: 1 June 2020
  • Author: Madecraft,John David Ariansen
درباره این دوره: 

 داده ها منبع بسیار ارزشمندی هستند. اما بدون مطالعه، نمی توان از آن برای ایجاد یک استراتژی مبتنی بر داده استفاده کرد. تجزیه و تحلیل تجاری به سازمان ها کمک می کند تا از داده ها برای تصمیم گیری بهتر و آگاهانه تر استفاده کنند. این دوره مقدمه ای اساسی است که پایه های تجزیه و تحلیل را به روشی آسان و جذاب بیان می کند. کارشناس جان دیوید آریانسن توضیح می‌دهد که چرا داده‌ها بسیار قدرتمند هستند، بینش‌ها واقعاً چه اهمیتی دارند و چگونه از ابزارها و تکنیک‌های تحلیل رایج استفاده کنیم. علاوه بر این، جان دیوید نقشه های منبع داده، مدیریت پایگاه داده، و همه منابع داده های مختلفی را که ممکن است با آنها مواجه شوید را بررسی می کند. در پایان دوره، شما باید مهارت های لازم برای شروع جمع آوری، ردیابی و تجزیه و تحلیل انواع داده ها، از جمله فروش، بازاریابی، و معیارهای روانشناختی را داشته باشید.

nn ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

MadeCraft-Description-Logo.jpg

Related Skills

Suggestions